April 16, 2021 byDavid Richards

A classificação de códigos pautais HS encontra a aprendizagem automática

Na Zonos, a nossa equipa de especialistas do setor e de software trabalha constantemente em formas de simplificar o comércio internacional. Um dos aspetos deste trabalho é garantir que qualquer empresa que movimente produtos além-fronteiras tenha esses artigos devidamente classificados. Todos os países utilizam o mesmo sistema para descrever os produtos que vende, denominado Sistema Harmonizado. Ter os seus produtos devidamente classificados com códigos HS ou HTS ajuda a garantir a coerência quando as suas encomendas são examinadas na fronteira.

O envio internacional de produtos envolve muitas complexidades; mas, no que toca aos códigos HS, classificações automáticas precisas podem ser uma ferramenta fundamental para fazer crescer o seu negócio. Embora a classificação precisa de produtos tenha sido, no passado, um processo moroso e dispendioso, estamos a mudar isso. A Zonos dispõe de uma ferramenta que está a transformar o setor, chamada Classify, que atribui um código do Sistema Harmonizado às descrições de produtos.

Enquanto especialista do setor e engenheiro de software, posso explicar como isto funciona de uma perspetiva única. Vejamos como a classificação HS para o comércio internacional se cruza com a aprendizagem automática.

A minha imagem

Se estiver a vender um produto chamado “Men’s Gold Toe Windsor Wool (12 Pairs) Black”, o nosso sistema poderá atribuir-lhe o código 6115.94. O funcionário aduaneiro que inspeciona os artigos enviados para o país pode consultar o código, perceber o que está na encomenda e deixar o artigo seguir sem demora.

Os dois primeiros algarismos, 61, indicam ao funcionário que o artigo é vestuário de malha ou de croché, ao contrário de 62, usado para artigos que não são de malha. Os dois algarismos seguintes, 15, indicam que se trata de meias. Os dois últimos algarismos, 94, revelam que são meias de comprimento integral.

Pode parecer óbvio que um produto com um nome como “Men’s Gold Toe Windsor Wool (12 Pairs) Black” corresponda à descrição 6115.94, mas existem muitos códigos semelhantes que poderiam ter sido escolhidos, consoante a espessura do fio ou outros fatores. A nossa ferramenta de classificação tem de associar um código a um produto e encontrar a melhor correspondência disponível.

Isto torna-se mais complicado quando sabemos para onde o artigo vai ser enviado. Cada país atribui códigos adicionais. Por exemplo, o 00 adicional no final de 6115.94.00 indica a um funcionário aduaneiro canadiano que se trata de uma meia de lã, e 6115.94.0000 fornece ainda mais detalhe, informando-o de que os impostos devidos sobre o artigo são bastante mais elevados do que para uma simples meia de lã. Não consegui encontrar uma explicação para esta diferença, e é precisamente por isso que a classificação correta é tão importante: é muito fácil cometer erros ao classificar produtos.

A descrição de 6115.94.0000 é idêntica à de 6115.94.00, mas esses dois 0 adicionais podem aumentar a taxa de direitos aduaneiros. As nossas ferramentas têm não só de compreender a classificação mais correta, mas também de compreender de que forma as nossas decisões afetam os nossos clientes.

Soluções para a classificação 

Como existem tantos produtos diferentes e regras que mudam com frequência, isto pode tornar-se complicado. As pessoas, mesmo os especialistas, só acertam no código cerca de 7 vezes em cada 10, e a classificação manual de produtos representa uma carga de trabalho adicional.

Outra solução é escrever um programa informático com todas as regras. Os especialistas do setor classificam os produtos e os engenheiros de software acrescentam as regras que os especialistas seguem. Um sistema deste tipo consegue obter o código correto cerca de 9 vezes em cada 10. Sei-o porque a nossa equipa na Zonos já o fez. As regras que criamos têm em conta o seguinte:

  • A forma como um produto é descrito
  • A imagem utilizada para publicitar o produto
  • Quem vende o produto
  • O custo do produto

Ter em conta estes fatores resulta na máxima precisão de classificação.

Uma precisão de classificação de 9 em 10 artigos é extraordinária, mas ainda não terminámos. Esse artigo mal classificado é valioso para nós, porque o utilizamos como dados para identificar padrões difíceis e melhorar a nossa precisão e os nossos resultados. Por exemplo, vi recentemente numa loja online um produto descrito como meias que “ficam bem com um fato feito por medida e seriam o complemento perfeito para um par de sapatos de cerimónia caros”, o que pode ser difícil de classificar. As pessoas sabem que o produto são meias, mas a descrição poderia referir-se a fatos ou a sapatos.

Para evitar que o computador fique confuso, as regras tornam-se cada vez mais complicadas. Imagine como isto se torna ainda mais difícil quando apenas é utilizado o nome de uma marca, quando uma palavra está mal escrita ou quando a imagem de um produto inclui vários artigos.

Perante todos estes fatores que causam problemas, para acertar na classificação pelo menos 99 vezes em cada 100, utilizamos a aprendizagem automática. Com a aprendizagem automática, deixamos de dizer ao computador cada pequeno pormenor que possa ser importante e pedimos-lhe que aprenda por si próprio o que é importante. Continuamos a ter especialistas e regras, mas o computador tem uma tarefa muito maior e consegue muitas vezes resultados muito melhores do que as pessoas.

Aprendizagem automática: reconhecer padrões 

Uma das formas de pedirmos ao computador que resolva este problema por nós é fornecer-lhe as imagens dos produtos e pedir-lhe que encontre padrões nessas imagens. Quando estiver pronto, o computador consegue identificar diferenças que as pessoas poderiam não notar.

A minha imagem

Eis um exemplo com faróis de automóvel. Com milhares de fotografias de faróis de automóvel, pedi ao computador que as organizasse de acordo com o grau de diferença entre as imagens. Não disse nada ao computador sobre as imagens. Ao fazê-lo, o computador concluiu que existiam três ou quatro tipos diferentes de imagens habitualmente utilizadas para vender um farol de automóvel. Os exemplos de cada tipo de imagem de produto são os seguintes:

A minha imagem

Nestas imagens, há duas formas de faróis de automóvel e uma em que o farol está montado num carro. Se observar outras imagens de cada grupo, vejo que cada grupo é composto por imagens semelhantes. Se as lojas de peças automóveis começassem a vender faróis com fotografias da caixa, as ferramentas de aprendizagem automática dar-se-iam conta disso e adaptar-se-iam automaticamente. Utilizo esta informação em milhares de categorias de produtos diferentes, abrangendo milhões de produtos.

Muitas vezes, as ferramentas de aprendizagem automática conseguem detetar padrões que escapam às pessoas. Por exemplo, um farol de mota tem um aspeto ligeiramente diferente de um farol de automóvel; um produto de beleza é muitas vezes vendido com uma mulher a segurar o artigo perto do rosto; ou uma peça de vestuário cara é muitas vezes apresentada num modelo, enquanto um artigo mais barato é colocado num manequim ou simplesmente dobrado sobre uma mesa. Estes parecem padrões e pormenores fáceis de notar depois de os ter notado, mas na verdade é muito fácil passarem despercebidos.

As máquinas também conseguem aprender o bom senso. Se uma loja se dedica a produtos de saúde e beleza, sabemos que as flores e as uvas que aparecem em algumas imagens de produtos não estão à venda; são meramente decorativas. Ou, se um camião TIR estiver à venda por 24,99 USD, provavelmente trata-se de um camião de brincar ou de uma t-shirt. Estas fontes comuns de confusão são tratadas pela máquina mais ou menos da mesma forma que eu ou o leitor as trataríamos. Quanto mais o sistema é utilizado, mais melhora.

Podemos ensinar as máquinas a aprender com os nossos erros. Depois de uma classificação confundir as uvas ou as flores da imagem pela primeira vez, a máquina pode ser ensinada a ignorar estes elementos decorativos irrelevantes e a concentrar-se no frasco de creme de beleza no centro da imagem. Isto acontece com frequência quando algo é novo. Podemos sempre recorrer a um classificador humano para analisar problemas difíceis ou novos.

Pôr o computador a procurar padrões e um especialista a rever esses padrões é uma excelente forma de enviar mais produtos com menos complicações. Em última análise, isto gera confiança. Enviar um produto além-fronteiras não deveria exigir que saiba tudo o que esse esforço implica; sabendo que o trabalho foi feito, pode confiar que o nosso sistema de classificação é uma ferramenta importante para fazer crescer o seu negócio.

Author
David Richards
Published: April 16, 2021
Share